Reemplace a una persona en un video y conserve el audio original

¿Qué cambia realmente en un reemplazo de personaje?

Un reemplazo de personaje completo tiene como objetivo reinterpretar al actor visible utilizando una imagen de referencia. Eso puede afectar el rostro, la ropa, la silueta y otros detalles visuales. Es más ambicioso que cambiar una región del rostro, así que no asuma que cada píxel del fondo o cada gesto sobrevivirá sin cambios.

El audio no necesita cambiar solo porque la imagen cambie. Su fuente puede contener voz, música, sonido ambiental o una combinación de ellos. Preservar esa pista significa trasladar su sonido existente al nuevo video; no significa reconstruir la voz ni hacer que el nuevo personaje hable de manera diferente.

Comience decidiendo qué debe permanecer constante. Para un clip de baile, la sincronización musical puede ser la prioridad. Para una mascota saludando, la forma del gesto importa más que el movimiento facial exacto. Para un diálogo, la sincronización de la boca se convierte en una comprobación de calidad adicional. Esta decisión le ayuda a rechazar una fuente inadecuada antes de gastar créditos.

Prepare un clip de origen limpio y corto

Utilice una sola toma con un único intérprete adulto claramente visible. Una cámara estable, un movimiento moderado y la separación entre el sujeto y el fondo le darán menos detalles para inspeccionar más adelante. Si el sujeto pasa repetidamente por detrás de muebles o sale del encuadre, comience con un pasaje más sencillo.

El estudio web de TryMotion acepta un MP4 H.264 preparado de entre 1 y 10 segundos, a un máximo de 30 fotogramas por segundo, con un tamaño máximo de importación de 25 MB. Recórtelo en su editor habitual antes de importarlo. No hay una herramienta de recorte integrada, y renombrar un archivo MOV a MP4 no convertirá su códec.

Escuche el archivo recortado de principio a fin. Su audio debe comenzar en el momento previsto, sin restos de una grabación más larga. Si su editor ha movido el sonido independientemente de la imagen, corrija la línea de tiempo de origen ahora. Un paso de preservación de audio no puede recuperar una relación de tiempo que ya estaba mal en la exportación.

Elija una referencia que se ajuste a la toma

Su referencia proporciona la identidad visible del personaje, no una descripción ilimitada de detalles ocultos. Un primer plano del rostro ofrece poca guía para una actuación de cuerpo completo. Cuando la fuente muestra al intérprete completo, use una referencia que muestre al personaje completo con un contorno legible.

Haga coincidir la pose y la dirección de la mirada tanto como sea posible. Una referencia frontal combinada con una fuente que se mantiene de perfil crea una transformación más difícil. Las letras finas, los logotipos pequeños, los dedos y los accesorios son detalles que deben inspeccionarse, no detalles que deba asumir que el modelo reproducirá fielmente.

Mantenga una copia de la referencia utilizada para cada toma. Si luego compara dos resultados, cambiar solo la fuente o solo la referencia le brinda una comparación más útil que cambiar todo a la vez. Un registro simple de la toma, la referencia y el gesto previsto es suficiente para comenzar.

Mantenga el audio separado de la generación visual

Un flujo de trabajo confiable produce primero la imagen de reemplazo y luego combina esa imagen con la banda sonora de origen. La imagen y el sonido deben compartir el mismo punto de partida. La exportación final debe contener una pista de audio, en lugar de simplemente mostrar un icono de sonido habilitado en una vista previa.

La implementación de TryMotion incluye una etapa opcional de fusión de audio cuando el video importado contiene audio. El estudio detecta si existe una pista de audio e incluye la configuración en el presupuesto de generación. Si la fuente es silenciosa, activar la preservación no puede crear un sonido inexistente.

Este flujo de trabajo utiliza un clip de origen corto y una referencia de personaje original. Por defecto se usa P-Video-Replace 720p, con 1080p disponible para una mayor calidad. Las escenas ilustradas describen el flujo de trabajo y no son evidencia de un resultado generado en particular.

Revise estas comprobaciones antes de compartir

Vea el resultado a velocidad normal primero, luego inspeccione los momentos difíciles. Un primer fotograma visualmente atractivo puede ocultar una mano que se desvía, un cambio de vestuario o un rostro perdido a mitad de la toma. Revise el clip completo en lugar de confiar en su miniatura.

1. Revise los fotogramas iniciales y finales. Confirme que el clip tenga el inicio, el final, el encuadre y la orientación esperados.
2. Escuche con auriculares. Verifique que la pista esté presente, sea audible y esté libre de una segunda banda sonora inesperada.
3. Busque una señal de tiempo visible, como un aplauso, una pisada o una consonante hablada. Compárela con la fuente.
4. Inspeccione las manos, los límites del rostro, las partes del cuerpo ocultas y cualquier marca de marca. Asegúrese de que el resultado sea adecuado para su propósito.
5. Descargue y reproduzca el archivo exportado en un segundo reproductor. Confirme que el video guardado incluya el audio, en lugar de depender de una vista previa del navegador.

Solucione los desajustes más comunes

Si falta la banda sonora, primero verifique si la fuente importada tiene realmente una pista de audio. Una exportación silenciosa puede parecer idéntica a un MP4 normal en un explorador de archivos. Si el sonido existe localmente pero no en el archivo final, el problema pertenece a la etapa de fusión o exportación más que a la referencia del personaje.

Si la banda sonora está constantemente adelantada o atrasada, inspeccione la edición original y el primer fotograma del resultado. Un desfase fijo a menudo puede corregirse en un editor de video, pero no oculte un desfase recurrente en el flujo de trabajo: debe investigarse antes de generar un lote. Si la sincronización se desvía gradualmente, verifique si la imagen ha sido ajustada en tiempo o si su duración cambió.

Si la voz suena diferente, es posible que se haya utilizado una pista de audio generada en lugar de la grabación original. Conserve la pista de origen cuando la identidad y la interpretación sean importantes. La clonación de voz, el doblaje y la síntesis de voz deben ser opciones separadas y explícitas con los permisos adecuados; están fuera de este MVP.

Si el personaje se deforma durante un giro rápido, simplifique el problema de la imagen. Pruebe con una sección más corta, una toma más estable o una referencia más cercana al ángulo de origen. Ejecutar repetidamente la misma entrada difícil no es una estrategia confiable para controlar el costo.

Comprenda los créditos y la retención

Por defecto, P-Video-Replace 720p cuesta 10 créditos para una fuente de hasta 5 segundos y 20 para hasta 10 segundos. La opción de mayor calidad a 1080p cuesta 20 y 40 créditos respectivamente. El servidor verifica la duración del video importado antes de emitir un presupuesto; revise ese precio confirmado antes de enviar.

Los créditos se reservan cuando comienza una generación. Un fallo técnico confirmado devuelve automáticamente todos los créditos reservados una vez. Los trabajos atascados o no confirmados tienen un límite global de 30 minutos. El guardado de un resultado completado se reintenta hasta por 10 minutos, dentro de ese límite global. Si el video aún no se puede entregar, los créditos se devuelven automáticamente en la siguiente comprobación de recuperación, normalmente en 5 minutos, incluso si cierras la página. No se requiere ninguna solicitud de soporte. Los envíos no confirmados se verifican sin enviar automáticamente una segunda generación de pago. Un video finalizado que no le guste creativamente es diferente de un trabajo que falló técnicamente.

TryMotion almacena las importaciones y los resultados de forma privada con un vencimiento de 7 días. Descargue el resultado que desee conservar. Al eliminar un archivo de TryMotion se borra esa copia almacenada, pero los proveedores de inferencia pueden retener las entradas y salidas enviadas bajo sus propias políticas. Evite importar material que no esté autorizado a compartir para su procesamiento.

Un primer experimento práctico

Comience con un saludo de 5 segundos, un giro o un paso simple realizado frente a un fondo despejado. Use una referencia de personaje original, mantenga visible toda su silueta y conserve una pista de sonido ambiental corta. Escriba tres criterios de aceptación antes de generar: el gesto sigue siendo reconocible, el personaje se mantiene coherente y el audio comienza en el momento correcto.

Revise el resultado con respecto a esos criterios antes de intentar una toma más complicada. Esto le brinda una forma concreta de decidir si el flujo de trabajo se ajusta a su proyecto. El objetivo de una primera prueba es aprender qué pueden soportar la fuente y la referencia, y luego usar esa información para planificar la siguiente toma.